Title:	COMPARATIVO DE MODELOS DE REDES NEURAIS CONVOLUCIONAIS NO DIAGNÓSTICO E CLASSIFICAÇÃO DE LESÕES DE CÂNCER DE PELE ATRAVÉS DE IMAGENS DERMATOSCÓPICAS
Author(s):	Wagner M. Schmitz, Marcelo Teixeira, Dalcimar Casanova, Jefferson Tales Oliva e Marco A. Barbosa
ISBN:	978-989-8704-64-1
Editors:	Paula Miranda, Flávia Maria Santoro e Cristiano Costa
Year:	2024
Edition:	Single
Keywords:	Analytics and Data Science, Intelligent Data Analysis, Machine Learning, Artificial Neural Networks and Deep Learning
Type:	Fulls
First Page:	3
Last Page:	10
Cover:
Full Contents:	click to dowload
Paper Abstract:	O uso das redes neurais convolucionais (RNC) é um dos métodos mais difundidos para a classificação de imagens médicas. No entanto, ainda não está claro qual variação dessa abordagem é mais eficaz para a análise de imagens dermatoscópicas. Por isso, neste trabalho, foram comparados diferentes tipos de RNC pré-treinadas, como ResNet50, MobileNet, VGG16, VGG19 e InceptionV3, visando compreender qual modelo se aplica melhor à análise de imagens dermatoscópicas, visando evitar erros no diagnóstico de lesões de pele. Para isso, foi utilizada a base de dados HAM10000, onde as imagens foram diferenciadas entre as classes Nevo melanocítico, melanoma, lesões benignas semelhantes à ceratose, carcinoma basocelular, queratoses actínicas, lesões vasculares, e dermatofibroma. Como resultado, os modelos resultantes atingiram acurácias entre 0,48 e 0,82. Após a aplicação de testes estatísticos de hipótese, constatou-se diferença estatisticamente significativa entre os modelos. Desse modo, é importante ressaltar que nenhum modelo atingiu o melhor desempenho para todas as classes, evidenciando que cada arquitetura tem suas próprias vantagens e limitações em contextos específicos relacionados a imagens dermatoscópicas.
	Go Back